一种陀螺随机漂移的高精度组合建模方法

随机漂移是制约陀螺精度的一个重要因素,提出了一种对陀螺随机漂移精确建模的方法.利用小波降噪技术消除信号中的高频噪声,再将降噪后的数据序列平稳化,对平稳化后的数据序列进行AR建模、卡尔曼滤波,得到陀螺随机漂移的估计量.用Allan方差等方法对仿真结果进行了检验,表明了该方法的有效性.该模型可用于补偿惯导系统中陀螺漂移产生的随机误差,以提高制导精度.     

纯方位跟踪问题研究及算法性能

针对纯方位跟踪系统的特点,对修正增益扩展卡尔曼滤波、伪线性滤波、基于无迹变换的卡尔曼滤波、修正球坐标系下的扩展卡尔曼滤波、直接对角度信息建模的卡尔曼滤波等被动目标跟踪算法予以详细的讨论,并在满足可比性的条件下,对各个跟踪算法进行了仿真实验,比较和分析了仿真结果,指出了修正增益扩展卡尔曼滤波的算法优势,对实际工程应用中算法选择问题提出了参考性建议.     

基于多模型滤波的只测角跟踪方法

只测角单站无源定位跟踪系统中,目标初始状态估计精度较低时,采用扩展卡尔曼滤波算法经常出现滤波发散的情况.针对这一问题,提出了一种多模型扩展卡尔曼滤波方法,根据目标的初始状态估计设计了五个扩展卡尔曼滤波模型,对目标运动状态进行多模型估计,在滤波过程达到稳态后,再采用单模型滤波.仿真实验验证了算法的有效性.     

基于相对观测量的多机器人定位

研究了多机器人队列利用相对观测信息在未知环境中进行同时定位的问题。当队列中某个机器人观测到另外一个或几个机器人时,利用这些信息来同时更新整个队列的位置及协方差矩阵,也即整个队列共享所获得的观测,来得到更精确的位置估计。每个机器人都携带内部及外部传感器,内部传感器感知机器人自身的运动,外部传感器能提供机器人之间的相对观测量,如相对距离和相对方位。利用扩展卡尔曼滤波(EKF)算法融合内部及外部传感器信息,对多机器人队列进行同时定位;并对不同的观测量及机器人个数进行了仿真分析,给出了不同情况下的滤波器结构,研究比较了它们的定位精度。仿真结果表明,利用机器人之间的相对观测信息,可以显著提高定位精度。     

基于改进卡尔曼滤波方法的机动目标跟踪研究

针对在机动目标跟踪中当目标作高度机动飞行时卡尔曼滤波可能会出现严重发散的情况,提出利用BP神经网络校正其滤波结果,并将遗传算法应用于BP网络的训练过程,以解决BP网络训练速度慢的缺陷,提高算法的实时性。仿真表明该方法是可行的、有效的。     

用四无数法设计一种新型动基座初始对准

利用捷联制导系统固有的硬件资源可构造一种新型的动基座初始对准方案,运用广义卡尔曼滤波技术及四元数法表示,给出了实施初始对准的失调估计器的设计方法,仿真结果表明,该设计可有效地在飞行过程中实施快速初始对准。     

21世纪初舰船组合导航系统的发展趋势

介绍了舰船组合导航系统的结构、原理、功能,综述了舰船组合导航系统的现状,展望了在21世纪初的30年间舰船组合导航系统的发展趋势及一些相关的技术设想.     

DSSS中抑制窄带干扰的时域自适应技术

本文研究了DSSS中窄带干扰（NBI）抑制的时域自适应技术,由Masreliez提出的近似条件均值（ACM）滤波的适用范围比卡尔曼滤波更广,但实现起来比较困难,具体应用时,可采用与其性能相当,易于实现的多用户直接判决卡尔曼（MDK）滤波来完成抑制NBI的功能。     

野值存在下的BP网络自适应卡尔曼滤波

提出了一种抗野值的BP网自适应卡尔曼滤波算法.通过BP网络对新息序列的方差和均值的速率进行在线实时监测计算,输出一组加权系数对新息做修正处理,从而有效地抑制了野值对滤波器的影响.仿真证明该算法保持了新息的统计特性,提高了滤波器的精度和稳定性.     

弹载SINS/GPS组合导航信息同步与融合技术

针对一种基于DSP+FPGA+MCU多处理器计算机平台的弹载组合导航系统设计了精确有效的信息同步的方法,采用GPS接收机提供的1PPS脉冲和MCU提供的脉冲信号实现GPS和SINS信号时间上的同步,采用杆臂校正算法完成了GPS和SINS测量信号空间上的同步.由于系统噪声难于准确统计,因此采用自适应卡尔曼滤波算法进行数据融合.最后对系统进行了跑车试验,试验结果表明系统所采用的方法具有较好的效果.